本发明专利技术提供一种生成最佳速度分布的机床，其具备评价其动作的动作评价部和机器学习轴的移动量的机器学习器。该机器学习器基于包含动作评价部的输出数据的机床的状态数据来计算回报，机器学习轴的移动量的决定，根据机器学习结果来决定并输出轴的移动量。然后，基于该决定的所述轴的移动量、取得的状态数据、相加后的回报来机器学习轴的移动量的决定。
【技术实现步骤摘要】
本专利技术涉及一种机床，特别是涉及一种生成各轴的控制中的最佳速度分布的机床。
技术介绍
以往，生成加工程序，基于该生成的加工程序来控制机床从而进行部件或金属模具等的加工。进行加工时的加工速度在加工程序内作为轴的移动速度来指令，其是工具与加工物的相对移动(工具移动)的最大速度，实际上在机床中，在加工开始时或角部、曲线部分等输出了按照各轴的加减速时间常数来改变了轴的移动速度的移动数据。另外，对于加工物具有目标加工时间，该目标加工时间通过机床的操作者一边确认加工物的加工面精度一边变更加减速时间常数，或者变更在程序内指令的工具的进给速度等方法来进行调整。作为与这样的加工中的参数调整相关联的现有技术，在日本特开2003-058218号公报中公开了作为参数组准备并使用在加工中能够调整的多个种类的参数的参数调整方法。另外，在日本特开2006-043836号公报中公开了使用加工图案一边考虑加工精度一边进行用于缩短加工时间的加工路径信息生成和加工条件设定的加工条件设定方法。一般来说，在加工中能够通过在整体上增大控制工具时的指令速度或加速度来提高整体的加工速度，但是另一方面，当在角部、曲线部分附近将工具的移动速度或加速度设定得大时，有时实际的工具路径从指令路径脱离。图8A以及图8B表示实际的工具路径从通过加工程序指令的工具路径脱离的例子。在图8A所示的车削加工或图8B所示的钻孔加工等各种各样的加工中，当增大工具的速度或角速度时，在角部或曲线部附近产生因过冲或内旋等引起的路径脱离。当发生这样的路径脱离时，如图9A以及图9B所示，加工面精度降低或产生加工不良(图9A)、或由于与工件的干扰而产生工具损坏(图9B)等。为了不发生这样的情况而一边考虑与轴移动相关的各要素，一边为了缩短加工时间进行速度或加速度的调整，存在操作者花费大的劳力的问题，另外，还存在未必能够将速度或加速度调整到最佳这样的问题。针对这样的问题，上述的日本特开2003-058218号公报以及日本特开2006-043836号公报中公开的现有技术仅能够应对适合于所准备的参数组或加工图案的状况，而无法灵活地应对各种各样的状况。
技术实现思路
本专利技术的目的在于提供一种生成各轴的控制中的最佳速度分布的机床。在本专利技术中，得到从某个时间的机床的轴的位置开始到下一个瞬间的轴的位置为止的变化量。这是从数值控制装置输出的被称为指令脉冲的数据。以往，机床厂商的技术人员通过设定为各轴加减速时间常数等方法来进行调整，因此存在得不到最佳变化量的情况。通过使轴的移动量成为最佳，在指定的工具路径上生成最佳的速度分布，并实现每一次加工的时间缩短以及加工精度的提高。本专利技术的机床基于由程序指令的工具的指令路径来驱动至少一个轴从而进行工件的加工，其具备：动作评价部，其评价所述机床的动作来输出评价数据；以及机器学习器，其机器学习所述轴的移动量的决定。并且，所述机器学习器具有：状态观测部，其取得包含所述机床的至少所述轴的轴位置的数据、从所述动作评价部输出的评价数据来作为状态数据；回报条件设定部，其设定回报条件；回报计算部，其基于所述状态观测部取得的所述状态数据来计算回报；移动量调整学习部，其机器学习所述轴的移动量的决定；以及移动量输出部，其基于所述移动量调整学习部针对所述轴的移动量的决定的机器学习结果以及所述状态数据，决定并输出所述轴的移动量，以使所述工具的移动速度的分布成为最佳。并且，所述移动量调整学习部构成为，根据决定的所述轴的移动量、在所述机床根据输出的所述轴的移动量进行了动作后由所述状态观测部取得的所述状态数据、所述回报计算部计算出的所述回报，来机器学习所述轴的移动量的决定。可以将所述回报计算部构成为，在所述轴的合成速度增加时，或者在加工精度提高时计算正的回报，另一方面，在所述工具脱离所述指令路径时计算负的回报。能够使所述机床与至少一个其他的机床相连接，在与所述其他的机床之间相互交换或共享机器学习的结果。可以将所述移动量调整学习部构成为使用调整后的所述轴的移动量、通过自变量表现了由所述状态观测部取得的所述状态数据的评价函数来进行机器学习，以使所述回报为最大。本专利技术的仿真装置对机床进行仿真，该机床基于由程序指令的工具的指令路径来驱动至少一个轴从而进行工件的加工。该仿真装置具备：动作评价部，其评价所述机床的仿真动作来输出评价数据；以及机器学习器，其机器学习所述轴的移动量的决定。并且，所述机器学习器具有：状态观测部，其取得包含所述机床的至少所述轴的轴位置的仿真的数据、从所述动作评价部输出的评价数据来作为状态数据；回报计算部，其基于所述状态观测部取得的所述状态数据来计算回报；移动量调整学习部，其机器学习所述轴的移动量的决定；以及移动量输出部，其基于所述移动量调整学习部针对所述轴的移动量的决定的机器学习结果以及所述状态数据，决定并输出所述轴的移动量，以使所述工具的移动速度的分布成为最佳。并且，所述移动量调整学习部构成为，根据所决定的所述轴的移动量、在根据输出的所述轴的移动量进行了所述机床的仿真动作后由所述状态观测部取得的所述状态数据、所述回报计算部计算出的所述回报，来机器学习所述轴的移动量的决定。并且，本专利技术的机器学习器对机床具备的至少一个轴的移动量的调整进行机器学习，其具备：学习结果存储部，其存储所述轴的移动量的决定的机器学习结果；状态观测部，其取得包含所述机床的至少所述轴的轴位置的状态数据；以及移动量输出部，其基于在所述学习结果存储部中存储的所述机器学习结果和所述状态数据，来决定并输出所述轴的移动量，以使所述机床的工具的移动速度的分布成为最佳。在本专利技术中，通过在最佳的各轴移动量的决定中引入机器学习，能够得到最佳的速度分布，能够以更短时间实现更高加工精度的工件加工。附图说明通过参照以下的附图，能够更加明确理解本专利技术的上述以及其他的目的以及特征。在这些图中：图1A以及图1B表示通过本专利技术使机床的速度分布最佳化的例子，其中，图1A为车削加工的速度调整的例子，调整为最佳的速度(轴的移动量)，虚线箭头是指令路径，实线箭头为工具路径，虚线圆为学习前的速度的大小，实线圆为学习后的速度的大小；图1B为钻孔加工的速度调整的例子，调整为最佳的速度(轴的移动量)，虚线箭头是指令路径，实线箭头为工具路径，虚线圆为学习前的速度的大小，实线圆为学习后的速度的大小。图2说明强化学习算法的基本概念。图3是关于本专利技术的一个实施方式的机床的机器学习的想像图。图4对在本专利技术的一个实施方式中处理的各数据进行说明，其中，虚线箭头是指令路径，实线箭头为工具路径，工具的行进方向：(δxt-1、δzt-1)；从工具路径的脱离量：d；当前的各轴速度：(δxt-1、δzt-1)；当前的各轴加速度：(δxt-1－δxt-2、δzt-1－δzt-2)。图5是本专利技术的一个实施方式的机床的功能框图。图6是说明图5的机器学习器中的移动量调整学习部进行的机器学习的流程的流程图。图7是本专利技术的一个实施方式的仿真装置的功能框图。图8A以及图8B对工件加工中的工具路径的脱离进行说明，其中，图8A为车削加工中的路径脱离的例子，虚线箭头是指令路径，实线箭头为工具路径，图8B为钻孔加工中的路径脱离的例子，虚线箭头是指令路径，实线箭头为工具路径。图9A以及图9B说明工具路本文档来自技高网...
【技术保护点】
一种机床，其基于由程序指令的工具的指令路径来驱动至少一个轴从而进行工件的加工，其特征在于，具备：动作评价部，其评价所述机床的动作来输出评价数据；以及机器学习器，其机器学习所述轴的移动量的决定，所述机器学习器具有：状态观测部，其取得包含所述机床的至少所述轴的轴位置的数据、和从所述动作评价部输出的评价数据来作为状态数据；回报条件设定部，其设定回报条件；回报计算部，其基于所述状态观测部取得的所述状态数据来计算回报；移动量调整学习部，其机器学习所述轴的移动量的决定；以及移动量输出部，其基于所述移动量调整学习部针对所述轴的移动量的决定的机器学习结果以及所述状态数据，决定并输出所述轴的移动量，以使所述工具的移动速度的分布成为最佳，所述移动量调整学习部构成为，根据决定的所述轴的移动量、在所述机床根据输出的所述轴的移动量进行了动作后由所述状态观测部取得的所述状态数据、以及所述回报计算部计算出的所述回报，来机器学习所述轴的移动量的决定。
【技术特征摘要】
2015.09.25 JP 2015-1882181.一种机床，其基于由程序指令的工具的指令路径来驱动至少一个轴从而进行工件的加工，其特征在于，具备：动作评价部，其评价所述机床的动作来输出评价数据；以及机器学习器，其机器学习所述轴的移动量的决定，所述机器学习器具有：状态观测部，其取得包含所述机床的至少所述轴的轴位置的数据、和从所述动作评价部输出的评价数据来作为状态数据；回报条件设定部，其设定回报条件；回报计算部，其基于所述状态观测部取得的所述状态数据来计算回报；移动量调整学习部，其机器学习所述轴的移动量的决定；以及移动量输出部，其基于所述移动量调整学习部针对所述轴的移动量的决定的机器学习结果以及所述状态数据，决定并输出所述轴的移动量，以使所述工具的移动速度的分布成为最佳，所述移动量调整学习部构成为，根据决定的所述轴的移动量、在所述机床根据输出的所述轴的移动量进行了动作后由所述状态观测部取得的所述状态数据、以及所述回报计算部计算出的所述回报，来机器学习所述轴的移动量的决定。2.根据权利要求1所述的机床，其特征在于，所述回报计算部构成为，在所述轴的合成速度增加时，或者在加工精度提高时计算正的回报，另一方面，在所述工具脱离所述指令路径时计算负的回报。3.根据权利要求1或2所述的机床，其特征在于，与至少一个其他的机床相连接，在与所述其他的机床之间相互交换或共享机器学习的结果。4.根据权利要求1所述的机床，其特征在于，所述移动量调整学习部构成为，使用调整后的所述轴的移...
【专利技术属性】
技术研发人员：金丸智，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。